Mục Lục

Khi bạn thiết kế một landing page, viết email marketing hoặc thiết kế các nút CTA – Kêu gọi hành động, bạn thường phải suy nghĩ và dự đoán xem điều gì sẽ thu hút người dùng click và tối ưu tỉ lệ chuyển đổi – conversion rate optimization.

Tuy nhiên, nếu chỉ marketing dựa trên “trực giác” thì kết quả mà nó mang lại chắc chắn sẽ vô cùng tệ hại.

Thay vì việc đưa ra phỏng đoán hay các giả định, có một cách thức có thể giúp bạn xác định chính xác hành vi, và suy nghĩ của người dùng – chạy A/B Testing.

Trong bài viết này, tôi sẽ giải thích cụ thể cho bạn:

A/B Testing là gì?
Những lợi ích khi dùng A/B Testing là gì?
Quy trình tiến hành A/B Testing trong SEO bạn nên biết
Cách thực hiện A/B Testing
4 lỗi A/B Testing thường gặp

Bài viết này khá dài đó bạn đã sẵn sàng chưa? Chúng ta bắt đầu thôi nào!

A/B Testing là gì?

A/B Testing (hay còn được gọi là split testing hay bucket testing) là một phương pháp để bạn so sánh giữa 2 phiên bản của webpage hoặc ứng dụng nào đó, từ đó có thể tìm ra được phiên bản nào hiệu quả và tốt hơn.

Thử nghiệm A/B về cơ bản là một cuộc thử nghiệm mà trong đó, hai hoặc nhiều biến thể của trang sẽ được hiển thị cho người dùng một cách ngẫu nhiên. Và những phân tích thống kê sẽ được sử dụng để xác định xem biến thể nào hoạt động tốt hơn và cho mục tiêu chuyển đổi nhất định.

Việc bạn sử dụng AB testing để so sánh trực tiếp một biến thể với trải nghiệm hiện tại cho phép bạn có thể đặt ra câu hỏi về các thay đổi của website hoặc ứng dụng. Và sau đó, bạn có thể thu thập các dữ liệu về hiệu quả của những sự thay đổi đó.

Testing sẽ đưa ra những phỏng đoán về việc tối ưu hóa website và cho phép đưa ra các quyết định về thông tin dữ liệu mà sẽ chuyển các cuộc hội thoại kinh doanh từ “chúng tôi nghĩ” sang “chúng tôi biết“.

Bằng cách đo lường sự thay đổi trong số liệu, bạn có thể chắc chắn rằng mọi thay đổi đều mang lại kết quả tích cực.

Tại sao chúng ta sử dụng A/B testing?

A/B Testing cho phép các cá nhân, và doanh nghiệp thực hiện được những thay đổi cho trải nghiệm của người dùng (user experience) trong khi thu thập những dữ liệu cho kết quả.

Điều này cho phép họ có thể xây dựng được các giả thuyết và có thể thấu hiểu hơn tại sao các yếu tố xác định trong trải nghiệm của họ lại ảnh hưởng đến hành vi của người dùng.

Nói cách khác, họ có thể được chứng minh ý kiến của mình về trải nghiệm tốt nhất cho mục tiêu nhất định – là sai thông qua A/B test.

A/B test không chỉ giúp bạn trả lời cho những câu hỏi hoặc giải quyết những bất đồng, A/B Testing còn có thể được sử dụng một cách nhất quán để có thể liên tục cải thiện được những trải nghiệm và mục tiêu đơn lẻ. Ví dụ như: tỷ lệ chuyển đổi theo thời gian.

Chẳng hạn, một công ty công nghệ B2B có thể muốn cải thiện chất lượng và số lượng khách hàng tiềm năng từ các website của chiến dịch.

Để đạt được mục tiêu đó, một nhóm sẽ thử các thay đổi A/B Testing đối với các tiêu đề, hình ảnh trực quan, khung opt-in (biểu mẫu), CTA – kêu gọi hành động và bố cục tổng thể của trang.

Việc kiểm tra sự thay đổi tại một thời điểm nhất định sẽ giúp bạn xác định chính xác những thay đổi đó liệu có ảnh hưởng đến hành vi truy cập của khách hàng hay có những thay đổi nào khác không.

Dựa vào đó, bạn có thể kết hợp những thay đổi đã thành công từ trước đó để cho ra đời một chiến dịch Marketing hiệu quả hơn.

Với phương pháp thông báo các thay đổi trong UX – Trải nghiệm cho người dùng này, nó cho phép trải nghiệm được tối ưu hóa đối với những kết quả mong muốn. Từ đó, bạn có thể thực hiện các bước tiến trọng yếu trong chiến lược marketing.

Bằng cách thử nghiệm nhiều chiến dịch quảng cáo khác nhau, các marketers có thể tìm hiểu xem phiên bản nào sẽ thu hút được nhiều cú nhấp chuột hơn.

Hoặc bằng cách thử nghiệm trang đích tiếp sau, bạn có thể tìm ra cách bố trí layout để chuyển biến đổi những người dùng thành khách hàng tốt nhất.

Số tiền mà bạn cần phải đầu tư cho một chiến dịch marketing (marketing campaign) thực sự sẽ giảm nếu từng yếu tố trong từng bước hoạt động hiệu quả nhất có thể để có được khách hàng mới.

Những nhà phát triển và thiết kế sản phẩm cũng áp dụng A/B Testing để chứng minh rằng:

Các tính năng mới hoặc thay đổi mới cũng có thể ảnh hưởng trực tiếp đối đến trải nghiệm của người dùng.

Tất cả các sản phẩm mới, sự tương tác từ người dùng, phương thức và trải nghiệm khi sử dụng sản phẩm đều có thể được tối ưu hóa với giải pháp của AB Testing. Miễn là các mục tiêu được xác định rõ ràng và bạn đặt ra một giả thuyết rõ ràng.

Test link

Test link là một hệ thống quản lý kiểm tra dựa trên web tạo điều kiện đảm bảo chất lượng phần mềm. Nó được phát triển và điều hàng bởi Teamtest. Nền tảng này cung cấp và hỗ trợ cho các trường hợp thử nghiệm, bộ thử nghiệm, kế hoạch thử nghiệm, dự án thử nghiệm và quản lý người dùng, cũng như các báo cáo và thống kê khác nhau.

Quy trình A/B Testing

Có nhiều cách để bạn triển khai a/b testing nhưng cách hiệu quả nhất khi bạn triển khai quy trình A/B Testing là gì? Dưới đây sẽ là quy trình A/B Testing chuẩn mà bạn có thể sử dụng khi bắt đầu cuộc thử nghiệm:

Thu thập data: Những phân tích này sẽ cung cấp cho bạn cái nhìn sắc nét và rõ ràng về nơi mà bạn có thể bắt đầu tối ưu hóa. Nó giúp bạn bắt đầu với các khu vực có lưu lượng truy cập cao nhất trên website hoặc ứng dụng. Điều này sẽ cho phép bạn có thể thu thập dữ liệu nhanh hơn và dễ dàng hơn.
Việc tìm kiếm các trang có tỷ lệ chuyển đổi thấp hoặc tỷ lệ rơi (drop-off) cao có thể được cải thiện.
Xác định mục tiêu: Mục tiêu chuyển đổi của bạn là số liệu mà bạn đang sử dụng để xác định xem biến thể có thành công hơn phiên bản gốc hay không.
Mục tiêu có thể là bất kỳ ai click vào nút hoặc liên kết đến website bán hàng của bạn.
Tạo ra giả thuyết: Khi bạn đã có thể xác định được mục tiêu, thì giờ là lúc bạn có thể bắt đầu tạo ra các ý tưởng và các giả thuyết AB Testing về lý do tại sao bạn nghĩ rằng chúng sẽ tốt hơn ở phiên bản hiện tại.
Một khi bạn đã có cho mình một danh sách ý tưởng, hãy ưu tiên chúng theo mức độ tác động dự kiến và độ khó khi thực hiện.
Tạo các biến thể: Sử dụng phần mềm A/B Testing (chẳng hạn như Optimizely). Điều này giúp bạn có thể thực hiện được các thay đổi theo ý muốn đối với một thành phần của trang web hoặc trải nghiệm ứng dụng di động của bạn.
Điều này có thể chỉ đơn giản là:
Thay đổi màu của một nút CTA
Hoán đổi thứ tự các thành phần trên trang
Ẩn các thành phần điều hướng hoặc một thứ đó có thể hoàn toàn tùy chỉnh được.
Nhiều công cụ A/B Testing hàng đầu có trình chỉnh sửa trực quan sẽ giúp những thay đổi này trở nên dễ dàng hơn. Hãy đảm bảo thử nghiệm của bạn có thể hoạt động đúng như mong đợi.
Chạy thử nghiệm: Hãy bắt đầu thử nghiệm của bạn và chờ đợi khách hàng truy cập vào!
Ở bước này, khách hàng sẽ truy cập vào website hoặc ứng dụng của bạn sẽ được chỉ định ngẫu nhiên để kiểm soát hoặc thay đổi trải nghiệm của bạn.
Sự tương tác của họ với từng trải nghiệm sẽ được đo lường, tính toán và so sánh để từ đó xác định được độ hiệu quả của từng chiến dịch.
Phân tích kết quả: Khi cuộc thử nghiệm của bạn hoàn tất, đã đến lúc bạn phân tích kết quả.
Phần mềm A/B Testing sẽ xuất ra dữ liệu từ các thử nghiệm và cho bạn thấy sự khác biệt giữa cách hai phiên bản trang wed đang hoạt động. Và liệu có sự khác biệt đáng kể về mặt thống kê hay không?

Nếu những thay đổi của bạn đã thành công thì xin chúc mừng! Bạn có thể áp dụng ngay thay đổi này vào chiến dịch marketing của mình.

Nếu thử nghiệm của bạn tạo ra kết quả âm thì đừng lo lắng. Hãy xem thử nghiệm đó như là một kinh nghiệm học tập và tiếp tục tạo ra những thử nhiệm mới.

Dù cho kết quả của cuộc thử nghiệm của bạn là gì, thì bạn hãy sử dụng những kinh nghiệm đó vào những bài test khác trong tương lai. Và lặp đi lặp lại không ngừng trong việc tối ưu hóa ứng dụng hoặc website của bạn.

A/B Testing SEO

Google cho phép và khuyến khích A/B Testing và đã tuyên bố rằng:

Việc thực hiện A/B Testing hoặc đa biến sẽ không gây ra bất kỳ sự cố hay rủi ro nào ảnh hưởng đến xếp hạng tìm kiếm của website.
Tuy nhiên, nó có thể gây bất lợi cho thứ hạng tìm kiếm của bạn nếu lạm dụng công cụ A/B Testing cho các mục đích như che giấu.

Google đã cung cấp một số ví dụ cụ thể để đảm bảo rằng điều này sẽ không xảy ra:

Không che giấu – Che giấu là cách trang wed của bạn hiển thị những nội dung trên các công cụ tìm kiếm khác với những gì mà khách truy cập nhìn thấy. Việc che giấu sẽ khiến trang wed của bạn bị rớt top hoặc thậm chí bị xóa khỏi kết quả tìm kiếm.
Để ngăn chặn việc “che giấu”, bạn không nên lạm dụng những phân đoạn khách truy cập để hiển thị nội dung khác nhau cho Googlebot dựa trên địa chỉ người dùng hoặc đại lý IP.
Sử dụng thẻ rel = “canonical” – Nếu như bạn đang thử nghiệm riêng biệt với nhiều URL, bạn nên sử dụng thuộc tính rel = “canonical” để hướng các biến thể trở lại với phiên bản gốc của trang.
Làm như vậy sẽ ngăn chặn việc Googlebot bị nhầm lẫn bởi nhiều phiên bản của cùng một trang.
Sử dụng redirect 302 thay vì 301s – Nếu như bạn đang thử chuyển hướng URL gốc sang URL biến thể, hãy sử dụng redirect 302 (tạm thời) so với redirect 301 (vĩnh viễn).
Điều này sẽ giúp cho các công cụ tìm kiếm như Google hiểu rằng việc chuyển hướng này là tạm thời. Và họ nên giữ URL gốc được lập chỉ mục thay vì URL được kiểm tra.
Chỉ chạy thử nghiệm khi cần thiết – Việc bạn thử nghiệm lâu hơn mức cần thiết, đặc biệt là khi bạn đang sử dụng một biến thể của trang wed cho một tỷ lệ lớn người dùng. Điều này sẽ được coi như là một nỗ lực để đánh lừa các công cụ tìm kiếm.
Google khuyên bạn nên cập nhật website của mình và xóa tất cả các biến thể kiểm tra trang web của bạn ngay khi cuộc thử nghiệm kết thúc. Và đặc biệt, tránh chạy những thử nghiệm lâu không cần thiết.

Làm thế nào để thực hiện một A/B Testing?

Trước khi thực hiện A/B Testing

#1 Chọn một biến thể để kiểm tra

Khi bạn tối ưu hóa website và email marketing của mình, bạn có thể thấy có một số biến thể màbạn muốn kiểm tra.
Nhưng để có thể đánh giá được mức độ hiệu quả của một thay đổi, bạn sẽ muốn dùng “ biến thể độc lập” và đo lường hiệu suất của nó.

Giả sử, sau khi thử nghiệm có thay đổi nào đó từ người dùng, làm sao để bạn biết được yếu tố nào đã gây ra những thay đổi đó? Ý tôi là bạn sẽ không thể chắc chắn biến thể nào đã tạo ra những thay đổi đó AB Testing.

Bạn có thể kiểm tra nhiều hơn một biến thể cho một website hoặc email; chỉ cần bạn chắc chắn rằng bạn sẽ không thử nghiệm quá nhiều thứ cùng lúc.

Nhìn vào các yếu tố khác nhau trong tài nguyên marketing của bạn và các lựa chọn thay thế của chúng cho thiết kế, từ ngữ và bố cục. Ngoài ra, bạn cũng có thể kiểm tra các yếu tố:

Dòng chủ đề của email
Tên người gửi email
Các cách khác nhau để cá nhân hóa email của bạn.

Hãy nhớ rằng ngay cả những thay đổi đơn giản nhất, như thay đổi hình ảnh trong email hoặc từ ngữ trên CTA cũng có thể tạo ra sự khác biệt rất lớn về kết quả.

Trên thực tế, những kiểu thay đổi này thường dễ xác định hơn những kiểu thay đổi lớn hơn thế.

#2 Xác định mục tiêu của bạn

Mặc dù bạn sẽ phải đo đạc rất nhiều số liệu cho mỗi lần kiểm tra, nhưng hãy lựa chọn ra một số liệu chính để bạn tập trung vào ngay trước khi bạn thử nghiệm. Trên thực tế, hãy làm điều này trước cả khi bạn định thiết lập biến thể thứ hai. Đây là “biến phụ thuộc” của bạn.

Hãy suy nghĩ về vị trí mà bạn muốn đặt biến thể này ở cuối bài testing. Bạn có thể tạo ra một giả thuyết chính và kiểm tra kết quả dựa trên các dự đoán này.

Bạn nên đợi cho đến cuối cùng để quyết định xem:

Số liệu nào thực sự quan trọng với bạn?
Mục tiêu của bạn là gì?
Những sự thay đổi mà bạn đề xuất có thể ảnh hưởng đến hành vi của người dùng hay không?

Thì có thể bạn sẽ không thể thử nghiệm theo cách hiệu quả nhất.

#3 Tạo ‘kiểm soát’ và ‘thách thức’.

Bây giờ bạn đã có được cho mình những biến thể độc lập, biến phụ thuộc và kết quả mong muốn của bạn. Hãy sử dụng những thông tin này để thiết lập ra phiên bản chưa thay đổi của bất cứ điều gì bạn đang mốn kiểm tra làm “kiểm soát”.

Nếu bạn đang kiểm tra một website, đây là trang web chưa được thay đổi vì nó đã tồn tại. Nếu bạn đang thử nghiệm với các landing page, thì đây sẽ là bản sao thiết kế của landing page và bản sao mà bạn thường sử dụng.

Từ đó, bạn có thể xây dựng một biến thể hoặc một “thách thức” cho website, landing page hoặc email marketing mà bạn cần phải kiểm tra đối với sự kiểm soát đó.

Có thể bạn quan tâm: Bí quyết xây dựng Landing Page bán hàng ấn tượng nhất 2021

#4 Chia nhóm mẫu test của bạn ngang bằng và ngẫu nhiên

Đối với các thử nghiệm mà bạn có quyền kiểm soát nhiều hơn – như với email, bạn cần thử nghiệm với 2 hoặc nhiều đối tượng ngang bằng nhau để có được một kết quả cuối cùng.

Cách bạn thực hiện việc này sẽ khác nhau tùy thuộc vào công cụ A/B Testing – Testing tool mà bạn sử dụng.

#5 Xác định kích cỡ mẫu thử của bạn (nếu có)

Cách bạn xác định kích thước mẫu thử của bạn cũng sẽ thay đổi tùy thuộc vào công cụ A/B Testing của bạn, cũng như loại A/B test mà bạn đang sử dụng.

Nếu như bạn đang kiểm tra A/B với email, có thể bạn sẽ muốn gửi A/B Testing đến một phần nhỏ hơn trong danh sách của mình để xem được kết quả thống kê.

Cuối cùng, bạn sẽ chọn một phần chiến thắng và gửi những biến thể thành công đó cho phần còn lại của danh sách.

Bạn có thể nhìn ảnh minh họa bên dưới:

Nếu bạn đang muốn thử nghiệm thứ gì đó không có đối tượng hữu hạn, như website, thì thời gian mà bạn duy trì những thử nghiệm đó sẽ ảnh hưởng trực tiếp đến kích thước mẫu thử của bạn.

Bạn cần phải để thử nghiệm của mình chạy đủ lâu để có thể biết được số lượt người xem đáng kể, nếu không, thật khó để biết liệu có sự khác biệt có ý nghĩa thống kê giữa hai biến thể hay không.

#6 Quyết định tầm quan trọng của kết quả của bạn

Trường hợp bạn đã chọn được số liệu mục tiêu của mình, bạn hãy thử nghĩ xem kết quả của bạn cần có ý nghĩa như thế nào để có thể giải thích cho việc chọn biến thể này thay vì dùng một biến thể khác.

Ý nghĩa thống kê là một phần cực kỳ quan trọng của A/B Testing và nó thường bị mọi người hiểu sai. Tỷ lệ phần trăm cũng như mức độ tự tin của bạn càng cao, bạn càng chắc chắn về kết quả của mình.

Trong hầu hết các trường hợp, bạn sẽ muốn mức độ tin cậy đạt tối thiểu 95% – tốt nhất là 98%. Đặc biệt nếu đó là một thử nghiệm tốn nhiều thời gian để thiết lập.

#7 Chắc chắn rằng bạn chỉ thử nghiệm tại một thời điểm trên bất kỳ chiến dịch nào

Thử nghiệm nhiều hơn một thứ cho một chiến dịch – ngay cả khi nó không nằm trên cùng một tài sản chính xác. Điều này có thể làm phức tạp hóa kết quả sau khi bạn thực hiện A/B Testing.

Trong quá trình A/B Testing

#8 Sử dụng công cụ A/B Testing

Để có thể thực hiện A/B Testing trên website của bạn hoặc trong email, bạn sẽ cần phải sử dụng công cụ A/B Testing.

Các tùy chọn như Thử nghiệm của Google Analytics sẽ cho phép bạn làm A/B Testing trên tối đa 10 phiên bản đầy đủ của một website và so sánh hiệu suất của nó bằng cách sử dụng một tập hợp mẫu người dùng ngẫu nhiên.

#9 Kiểm tra cả hai biến thể cùng một lúc

Thời gian đóng một vai trò quan trọng trong kết quả chiến lược marketing online của bạn, cho dù đó là thời gian trong ngày, ngày trong tuần hay tháng trong năm.

Nếu bạn đã chạy Phiên bản A trong một tháng và Phiên bản B một tháng sau đó, làm thế nào để bạn biết liệu những thay đổi đó có ảnh hưởng đến hiệu suất hay là không?

Khi bạn chạy A/B Testing, bạn sẽ cần phải chạy cả hai biến thể cùng một lúc, nếu không, bạn có thể sẽ bị lặp lại kết quả của mình.

Ngoại lệ duy nhất ở đây là nếu bạn đang tự kiểm tra thời gian, ví dụ như tìm thời gian tối ưu để gửi email.

#10 Cung cấp đủ thời gian cho A/B Testing để tạo ra dữ liệu hữu ích

Một lần nữa, bạn sẽ muốn đảm bảo rằng thử nghiệm của mình chạy đủ lâu để có được kích thước mẫu đáng kể. Mặt khác, thật khó để bạn có thể biết liệu có sự khác biệt giữa hai biến thể hay không.

Bao lâu mới là đủ?

Tùy thuộc vào doanh nghiệp của bạn và cách bạn triển khai A/B Testing, việc có được kết quả thống kê có thể xảy ra trong vài khoảng giờ … hoặc vài ngày … hoặc vài tuần.

Một phần lớn của việc mất bao lâu để có được kết quả có ý nghĩa là lượng lưu lượng truy cập mà bạn nhận được – vì vậy nếu công ty của bạn không nhận được nhiều lưu lượng truy cập vào website như mong muốn, bạn sẽ phải mất nhiều thời gian hơn để chạy A/B Testing.

Về lý thuyết, bạn không nên giới hạn thời gian thu thập kết quả.

#11 Yêu cầu phản hồi từ người dùng thực sự

A/B Testing có liên quan nhiều đến dữ liệu định lượng … Nhưng điều đó sẽ không nhất thiết giúp bạn hiểu lý do tại sao mọi người lại thực hiện một số hành động nhất định đối với người khác.

Trong khi bạn đang chạy A/B Testing, tại sao bạn không thu thập các phản hồi từ người dùng thực? Một trong những cách tốt nhất để hỏi mọi người về ý kiến của họ là thông qua một cuộc khảo sát hoặc thăm dò ý kiến.

Bạn cũng có thể khảo sát xem vì sao khách hàng, lại không nhấn vào CTA, hoặc một khảo sát trên trang cảm ơn của bạn hỏi về vấn đề mà khách hàng lại nhấn vào nút và điền vào biểu mẫu.

Sau quá trình A/B Testing

#12 Tập trung vào số liệu mục tiêu của bạn

Một lần nữa, mặc dù bạn sẽ có nhiều số liệu, hãy tập trung vào số liệu mục tiêu khi bạn thực hiện phân tích.

#13 Đo lường tầm quan trọng của kết quả của bạn bằng máy tính A/B Testing

Bây giờ bạn đã có thể xác định được biến thể nào đang hoạt động tốt nhất, đã đến lúc bạn xác định xem kết quả có ý nghĩa thống kê hay không.

Nói cách khác, nó có đủ để giải thích cho một sự thay đổi?

Để tìm hiểu thêm, bạn sẽ cần phải tiến hành kiểm tra ý nghĩa thống kê. Bạn hoàn toàn có thể làm điều đó thủ công … hoặc bạn chỉ cần đưa những kết quả từ các thử nghiệm của mình vào máy tính A/B Testing.

Đối với mỗi biến thể mà bạn đã kiểm tra, bạn sẽ được nhắc để nhập tổng số lần, như email đã gửi hoặc số lần hiển thị được nhìn thấy.

Sau đó, nhập số lượng mục tiêu đã hoàn thành – nói chung bạn sẽ xem các nhấp chuột, nhưng đây cũng có thể là các loại chuyển đổi khác.

Máy tính sẽ cung cấp mức độ tin cậy mà dữ liệu của bạn tạo ra cho biến thể được chọn. Sau đó, đánh giá số đó so với giá trị bạn đã chọn để xác định ý nghĩa thống kê.

#14 Hãy thực hiện dựa trên kết quả của bạn

Nếu một biến thể tốt hơn về mặt thống kê so với các biến thể khác, bạn đã có người chiến thắng. Biến thể này đã hoàn thành bài kiểm tra của bạn bằng cách vô hiệu hóa biến thể còn thiếu trong công cụ A/B Testing.

Nếu không có biến thể nào tốt hơn về mặt thống kê, bạn vừa biết rằng biến thể bạn đã kiểm tra không ảnh hưởng đến kết quả và bạn sẽ phải đánh dấu thử nghiệm là không có kết quả.

Trong trường hợp này, hãy gắn bó với biến thể ban đầu – hoặc chạy thử nghiệm thêm các biến thể khác.

Mặc dù các bài A/B Testing giúp bạn tác động trực tiếp đến kết quả trong từng trường hợp cụ thể, bạn cũng có thể áp dụng các bài học đã nhận được từ những bài kiểm tra trước đó.

#15 Lập kế hoạch A/B Testing tiếp theo của bạn

A/B Testing của bạn vừa hoàn thành có thể đã giúp bạn khám phá một cách mới để làm cho nội dung marketing hiệu quả hơn – nhưng đừng dừng lại ở đó.

Sẽ luôn luôn có cách để có thể tối ưu hóa hơn. Bạn thậm chí có thể thử tiến hành A/B Testing trên một tính năng khác của cùng trang web hoặc email mà bạn vừa thực hiện kiểm tra.

Lợi ích của A/B Testing

A/B Testing có vô số lợi ích cho một nhóm marketing, tùy thuộc vào những gì mà bạn quyết định thử nghiệm.

Trên hết, các thử nghiệm này rất có giá trị đối với doanh nghiệp vì chúng có chi phí rất thấp nhưng phần thưởng cao. Giả sử bạn sử dụng một người sáng tạo nội dung (content) với mức lương 84 triệu/ năm.

Người này xuất bản khoản 5 bài viết mỗi tuần cho blog của doanh nghiệp, nghĩa là tổng cộng 260 bài viết mỗi năm.

Nếu trung bình mỗi bài đăng trên blog của doanh nghiệp tạo ra khoảng 10 khách hàng tiềm năng, bạn có thể nói rằng chi phí chỉ hơn 500.000 nghìn VNĐ để tạo ra 10 khách hàng tiềm năng cho doanh nghiệp (mức lương 84,000,000 đồng ÷ 260 bài viết = 323,000 VNĐ/ bài viết).

Đó là một phần lớn của sự thay đổi.

Bây giờ, nếu bạn yêu cầu người sáng tạo nội dung này dành 2 ngày để phát triển một chiến lược A/B Testing cho một bài viết, thay vì viết 2 bài viết trong khoảng thời gian đó, bạn có thể giảm đi 323,000 VNĐ vì bạn đang xuất bản ít hơn một bài viết.

Nhưng nếu A/B Testing đó cho thấy bạn có thể tăng tỷ lệ chuyển đổi của mỗi bài viết từ 10 lên 20 khách hàng tiềm năng, bạn chỉ cần chi 323,000 VNĐ để có khả năng nhân đôi số lượng khách hàng mà công ty của bạn có được từ blog.

Tất nhiên, nếu bài kiểm tra thất bại, bạn sẽ mất 323,000 VNĐ – nhưng chắc chắn bạn có thể làm cho bài A/B Testing tiếp theo của mình trở nên hiệu quả hơn.

Nếu thử nghiệm thứ hai thành công trong việc nhân đôi tỷ lệ chuyển đổi trên blog của bạn, cuối cùng bạn đã chi 646,000 VNĐ để tăng gấp đôi doanh thu của công ty.

Cho dù sự thất bại của bạn trong quá trình A/B Testing là gì đi chăng nữa, thành công cuối cùng của nó sẽ hầu như luôn vượt xa chi phí để thực hiện nó.

Có rất nhiều loại split test mà bạn có thể chạy để làm cho thử nghiệm của mình có giá trị hơn. Dưới đây là một số mục tiêu phổ biến mà các nhà tiếp thị có cho doanh nghiệp của họ khi sử dụng A/B Testing:

Lưu lượng truy cập trang web tăng: Việc test các bài đăng trên blog hoặc tiêu đề website khác nhau có thể làm thay đổi số lượng người nhấp vào tiêu đề siêu liên kết đó để truy cập website của bạn.
Điều này dẫn đến kết quả là làm tăng lưu lượng truy cập vào website.
Tỷ lệ chuyển đổi cao hơn (Conversion Rate): Test tất cả các vị trí, màu sắc khác nhau hoặc thậm chí là văn bản neo trên CTA của bạn cũng có thể thay đổi số lượng người nhấp vào các CTA này để đến trang đích.
Điều này giúp làm tăng số lượng người điền vào biểu mẫu trên trang wed của bạn, gửi thông tin liên lạc của họ cho bạn và “chuyển đổi họ” thành khách hàng tiềm năng.
Tỷ lệ thoát trang thấp hơn: Nếu khách hàng truy cập vào trang wed của bạn và thoát ra nhanh chóng sau khi truy cập thì bạn hãy làm thử nghiệm trên các bài đăng giới thiệu blog, phông chữ hoặc hình ảnh đặc trưng khác nhau.
Điều này có thể làm giảm tỷ lệ thoát và giữ chân được nhiều khách truy cập hơn.
Giảm sự từ bỏ giỏ hàng (cart abandonment): Các doanh nghiệp thương mại điện tử cho biết từ 40% – 75% khách hàng rời khỏi website khi mà những mặt hàng của họ vẫn còn đang trong giỏ.
Điều này được gọi là “từ bỏ giỏ hàng” hay “cart abandonment”.
Việc test các hình ảnh sản phẩm khác nhau, thiết kế trang thanh toán và hiển thị phí vận chuyển có thể làm giảm tỷ lệ từ bỏ này.

Có thể bạn quan tâm: Landing Page là gì? Những lợi ích mà Landing Page mang lại cho doanh nghiệp.

loi-ich-cua-ab-testing-trong-marketing-1

4 lỗi Testing A/B thường gặp và cách khắc phục chúng

#1 Công cụ testing của bạn bị lỗi

Sự nổi tiếng là một con dao hai lưỡi và điều này vẫn luôn đúng ngay cả với phần mềm A/B testing.

Sự phổ biến của phương pháp testing A/B đã tạo ra nhiều phần mềm với chi phí thấp và tuyệt vời, nhưng về chất lượng thì lại không nhất quán.

Những công cụ khác nhau dĩ nhiên sẽ có những chức năng khác nhau nhưng có một vài điểm khác biệt mà bạn cần phải lưu ý. Và nếu như bạn không ý thức được những điểm khác biệt đó thì quá trình A/B testing sẽ gặp phải khó khăn từ trước khi bạn bắt đầu.

Thực tế đã chỉ ra rằng trung bình mỗi lần load trang wed kéo dài thêm 1 giây cũng sẽ làm giảm đi 11% lượt view và kèm theo đó, tỉ lệ chuyển đổi cũng sẽ giảm 7%. Điều này sẽ tạo ra một cơn ác mộng thực sự khi mà mọi nỗ lực cải thiện trang wed bằng A/B testing lại cản trở tiến trình làm việc của bạn.

Và ngay cả khi bạn nghĩ, mọi chuyện không thể tồi tệ hơn thế nữa, thì chính quyết định lựa chọn phần mềm A/B testing nào của bạn cũng sẽ tác động đến kết quả của việc kiểm tra.

Neil Patel là một chủ doanh nghiệp và là một người có sức ảnh hưởng. Patel đã phát hiện rằng phần mềm A/B Testing mà anh ấy hiện đang sử dụng có những điểm khác biệt rõ rệt. Nhưng khi ông tạo ra một trang mới thì lại không nhận thấy sự thay đổi trong việc chuyển đổi.

Nguyên nhân thật ra bắt nguồn từ công cụ testing (testing tool) bị lỗi.

Vậy những việc bạn nên làm để đảm bảo hiệu quả hoạt động của phần mềm testing A/B là gì trong vô vàn bẫy ngầm đang đợi bạn?

Cách giải quyết – Chạy A/A test

Trước khi bạn chạy A/B test, bạn nên chạy A/A test với phần mềm của mình để đảm bảo phần mềm vẫn hoạt động bình thường mà không tác động đến tốc độ và hiển thị nội dung của trang.

Đối với dân nghiệp dư, A/A test cũng giống như A/B test. Điểm khác nhau chính là trong A/A test, cả 2 nhóm người dùng đều nhìn thấy cùng một website.

Đúng vậy, điều mà bạn phải làm ở đây là bạn cần phải so sánh website của bạn với chính bản thân nó.

Nghe có vẻ hơi vô lý, nhưng khi chạy A/A test, bạn sẽ nhận ra nhiều vấn đề bắt nguồn từ phần mềm kiểm tra.

Riêng đối với A/A test, bạn sẽ muốn kết quả kiểm tra của mình vô vị một tí.

Bởi nếu bạn thấy tỉ lệ chuyển đổi bị giảm ngay khi bạn bắt đầu kiểm tra thì có lẽ công cụ bạn đang dùng đang làm chậm nó. Và nếu bạn thấy có nhiều sự khác biệt đáng kể giữa 2 trang thì có lẽ phần mềm của bạn mới là thứ bị lỗi.

#2 Ngừng test ngay khi kết quả đạt mức

Về mặt thống kê số liệu, việc này giống như là ôm banh rồi về nhà vậy. Thực ra, khi tiến hành A/B testing, việc bạn ngừng test ngay khi bạn thấy được kết quả như mong muốn không chỉ đơn thuần là hành động phi thể thao, mà nó còn khiến cho kết quả mà bạn tạo ra trở nên vô nghĩa.

Rất nhiều công cụ đang dung túng cho hành vi này bằng cách cho phép người dùng có thể ngưng kiểm tra ngay khi họ đạt được kết quả như mong muốn.

Nhưng nếu bạn thực sự muốn cải thiện website của mình, bạn cần phải thay đổi ngay ý định muốn kết thúc quá trình A/B Testing sớm.

Vấn đề ở đây được gọi là “false positives”: những kết quả đó sai lầm khi chỉ ra sự khác biệt giữa các trang với nhau. Bạn càng kiểm tra kết quả thường xuyên, bạn sẽ càng có nhiều cơ hội nhận được kết quả vốn tưởng là đúng nhưng bị khẳng định nhầm.

Điều này sẽ không thành vấn đề nếu bạn bình tĩnh và tiếp tục kiểm tra thêm. Tuy nhiên nếu bạn kết thúc quá trình kiểm tra này ngay khi bạn thấy được kết quả khả quan thì có lẽ bạn đã bị “false positives” lừa rồi.

Công ty phân tích Heap đã đưa ra kết quả mô phỏng cho thấy việc bạn kết thúc việc kiểm tra quá sớm sẽ nguy hại đến kết quả của bạn như thế nào.

Bằng phương pháp kiểm tra số liệu, sau đó tiếp tục kiểm tra kết quả từ 1000 người dùng đã cho thấy có 5% là “false positives”.

Nếu người kiểm tra xem lại kết quả từ cùng nhóm người dùng đó 10 lần, khả năng gặp “false positives” sẽ tăng lên đến 19.55%. Và nếu kiểm tra 100 lần, thì 5% ban đầu sẽ gấp 8 lần, lên đến 40,1%.

Những con số này sẽ giúp cảnh tỉnh cho bạn nếu lần kế tiếp bạn háo hức muốn kết thúc sớm với kết quả khả quan.

Cách giải quyết – Bám theo một kích cỡ mẫu được định sẵn

Hiểu được false positives là gì là một chuyện, còn để đối đầu với false positives lạilà một chuyện khác. Để có thể đối đầu với false positives, bạn phải đặt ra quy tắc. Bạn nên có một bộ mẫu trước khi chạy A/B test và chống lại những cám dỗ khiến bạn muốn kết thúc sớm.

Dù kết quả có khả quan ra sao đi nữa, cũng đừng băn khoăn không biết bộ mẫu phải lớn đến bao nhiêu. Trên mạng có rất nhiều công cụ có thể giúp bạn tính toán kích cỡ tối thiểu. Vài công cụ phổ biến có thể kể đến Optimizely và VWO, …

Lưu ý: Về kích cỡ số liệu mẫu, hãy nhớ rằng bạn cần một kích cỡ mẫu thực tế cho website của mình.

Thực tế, ai cũng muốn có được hàng triệu người dùng để thử nghiệm, nhưng không phải ai cũng có thể làm được điều đó. Tôi nghĩ bạn cũng nên ước tính bạn sẽ thử nghiệm trong vòng bao lâu để đạt đến bộ kích cỡ mẫu.

#3 Bạn chỉ tập trung vào chuyển đổi

Khi bạn đang lặn ngập trong những lần A/B test thì rất có thể bạn đã bỏ qua bức tranh toàn cảnh. Để tôi giải thích cho bạn dễ hiểu hơn. Khi nói đến A/B testing, bạn thường tập trung vào mỗi việc chuyển đổi mà quên mất kết quả kinh doanh lâu dài.

Dĩ nhiên là thêm nhiều bản sao vào web của bạn sẽ khiến cho tỉ lệ chuyển đổi cao hơn. Và nếu như vậy thì người dùng đã qua chuyển đổi với chất lượng thấp hơn nhưng có tỉ lệ chuyển đổi cao hơn cũng sẽ không mang lại kết quả tốt cho doanh nghiệp.

Bạn sẽ dễ bị những thứ phù phiếm thu hút sự quan tâm khi đang tiến hành thử nhiệm AB testing. Nhưng bạn phải nhớ rằng, những thứ đó chỉ đánh lạc hướng bạn khỏi kết quả sinh lời thực sự mà thôi.

Nếu bạn đang thử nghiệm chiến thuật kêu gọi hành động nhằm dẫn đến landing page, bạn không nên chỉ chú tâm vào việc chuyển đổi đến trang landing page này. Thay vào đó bạn nên tính toán những đường dẫn tới trang wed và ràng buộc khách hàng tới khi lợi nhuận được sinh ra.

Cách giải quyết: Kiểm chứng giả thuyết

Trước khi tiến hành A/B test, bạn nên lập ra một giả thuyết bạn muốn chứng minh hoặc bác bỏ. Và khi bạn tập trung vào các giả thuyết này, nhằm mục tiêu thúc đẩy kinh doanh, bạn sẽ tránh được những cám dỗ phù phiếm.

Quá trình chạy A/B test phải được đánh giá dựa trên mức độ ảnh hưởng đến mục tiêu kinh doanh chứ không phải là bất kỳ số liệu nào khác. Nên nếu bạn muốn gia tăng lượt đăng ký, bạn hãy chú tâm vào số lượng người đăng ký chứ không phải là số lượt truy cập (traffic) hay traffic vào trang “Đăng ký” hay trang chủ chứa form đăng ký của mình.

#4: Bạn chỉ chú tâm tới những thứ nhỏ nhặt

Thực ra, A/B Testing không chỉ đơn giản là một yếu tố riêng lẻ nào đó (như test màu của nút CTA chẳng hạn). Nó còn gồm rất nhiều yếu tố khác nữa. Chính việc bạn chỉ test màu của các nút CTA đã làm hỏng việc tiến hành A/B testing của bạn.

Nếu những trang web lớn sẽ có cú lội ngược dòng ngoạn mục chỉ nhờ vào việc thay đổi màu nút CTA. Thì với đại đa số các trang web thông thường, những thứ nhỏ nhặt (như màu nút CTA) sẽ không cho ra kết quả ý nghĩa nào.

A/B testing sẽ gò ép chúng ta vào việc phải cải thiện những thứ lắt nhắt, nhưng nếu làm vậy chúng ta sẽ bỏ lỡ những cơ hội to lớn hơn.

Cách giải quyết – Kiểm tra căn bản định kỳ

Có một quy tắc cơ bản đó là hãy kiểm tra những thay đổi căn bản cho website của bạn một cách định kỳ. Vì thế, việc này được gọi là Kiểm tra căn bản định kỳ.

Nếu bạn thấy tỉ lệ chuyển đổi quá thấp, thì bạn nên dành thời gian để kiểm tra những thay đổi căn bản thay vì những thay đổi nhỏ nhặt.

Hãy coi việc testing như một bàn chơi bài, thi thoảng bạn nên cược lớn hơn một chút nếu bạn muốn lời to.

Nhưng trước khi bạn tuyên truyền về cách “kiểm tra căn bản”, thì hãy nhớ rằng bản thân nó cũng có nhiều điểm bất cập.

Cần nhiều sự chuẩn bị hơn A/B testing

Kiểm tra căn bản yêu cầu bạn phải dành thời gian thiết kế lại trang web. Vì việc này sẽ tốn khá nhiều thời gian, nên tôi khuyến cáo bạn nên tiến hành định kỳ.

Khó xác định yếu tố nào có tác động lớn nhất đến web của bạn

Và bạn nên lưu ý rằng kiểm tra căn bản sẽ giúp bạn xác định nếu việc tái thiết trang web có tác động đến tỉ lệ chuyển đổi chứ không cho phép bạn định vị chính xác yếu tố nào đã thúc đẩy kết quả đó.

Kết luận

Giờ thì bạn đã nắm được khái niệm về A/B Testing là gì chưa? Nếu có vấn đề thắc mắc, comment chia sẻ bên dưới bài viết này nhé!

Chúc bạn thành công!

Cảm ơn bạn đã đọc hết bài viết trên của VIDCOMEDIA mọi ý kiến và thắc mắc vui lòng để lại dưới phần Comment.

A/B Testing là gì? Hướng dẫn chi tiết cách xây dựng A/B Testing từ A-Z